后训练post-training

后训练是预训练之后各个训练阶段的统称。预训练让模型从海量数据中学到基本能力，后训练则把模型的行为调整到期望的方向，例如遵循指令、对话方式、推理能力和安全回应。

常用方法包括监督微调、基于人类偏好的强化学习，以及提升推理能力的强化学习。它也被用来从同一个基础模型衍生出不同用途的模型。

本条目依据AIPOST的文章与广为人知的事实整理。如有错误，请通过更正请求告诉我们。